Ticket-BERT：利用语言模型标注事件管理工单
计算与语言
2023-07-04 v1 人工智能
机器学习
摘要
对事件工单进行优先级排序以解决的关键环节是高效地用细粒度类别标注工单。然而，工单数据通常较为复杂，给现代机器学习方法带来若干独特挑战：（1）工单由具有预定义算法的机器或具有领域专业知识且遵循不同协议的工程师创建和更新；（2）工单通过修改全部或部分工单描述来频繁修订以更新工单状态；（3）工单标注具有时间敏感性，并需要根据快速的软硬件改进周期更新知识与新增标签。为应对这些问题，我们提出 Ticket-BERT，利用我们构建的工单数据集训练一个简单而鲁棒的语言模型用于工单标注。实验表明，在 Azure Cognitive Services 上，Ticket-BERT 优于基线方法与最先进的文本分类器。我们进一步将 Ticket-BERT 封装于主动学习循环中，并部署于 Microsoft IcM 系统，使模型能用少量标注在新收集的工单上快速微调。
引用
@article{arxiv.2307.00108,
title = {Ticket-BERT: Labeling Incident Management Tickets with Language Models},
author = {Zhexiong Liu and Cris Benge and Siduo Jiang},
journal= {arXiv preprint arXiv:2307.00108},
year = {2023}
}
备注
In the Microsoft Journal of Applied Research (MSJAR), Volume 18, January 2023